Herramienta tecnológica para facilitar la incorporación masiva del rubro agrícola al sector microfinanciero

• Autores: Cornejo Vilca, Luis Miguel, Soto Alvarez, Eladio Alfredo
• Formato: tesis de grado
• Fecha de Publicación: 2022
• Institución: Universidad Peruana de Ciencias Aplicadas
• Repositorio: UPC-Institucional
• Lenguaje: español
• OAI Identifier: oai:repositorioacademico.upc.edu.pe:10757/660874
• Enlace del recurso: http://hdl.handle.net/10757/660874
• Nivel de acceso: acceso abierto
• Materia: Crédito agrícola; Agricultura; Predicción de crédito agrícola; Scoring de crédito; Uso de aprendizaje automático; Uso de inteligencia artificial; Agro loans; Agriculture; Agro loan prediction; Loan scoring; Using machine learning; Using artificial intelligence; https://purl.org/pe-repo/ocde/ford#2.00.00; https://purl.org/pe-repo/ocde/ford#2.02.04

El presente proyecto tiene como objetivo realizar una propuesta para la implementación de una herramienta tecnológica que permita a una organización microfinanciera llevar a cabo una rápida evaluación crediticia haciendo uso de un modelo predictivo basado en aprendizaje automático que se encuentra desplegado previamente. El presente proyecto busca maximizar la captación de buenos pagadores del sector agrícola para hacerlos partícipes del sistema microfinanciero nacional. Para ello se utilizan herramientas tecnológicas que faciliten la evaluación del cumplimiento de pago de los clientes potenciales. Así mismo, se busca que el entregable permita incorporar una nueva cartera de clientes rentables, dejando de lado cuellos de botella operativos relacionados con la evaluación del agricultor. Para la realización de este proyecto se investigaron las principales variables de análisis que se toman en cuenta en países con realidades similares a las peruanas como India. Esto evidencia las características del sector agrícola en cuanto a garantías y composición de la propiedad. A partir de este punto, se pudo identificar las principales variables y consideraciones que permiten evaluar adecuadamente a un sector poco explotado. La solución planteada emplea herramientas como el modelo de regresión logística para la determinación del cumplimiento de pago del cliente. Así mismo, empleando datos provistos por la organización se ejecutaron pruebas de concepto que permitieron validar la solución. Finalmente, una vez realizada una prueba de concepto, se logró encapsular un modelo de aprendizaje automático que permite evaluar la capacidad de cumplimiento de los clientes que tengan solicitudes de créditos agrícolas.